圖像修復論文可參考文獻

　　參考文獻是論文中的重要組成部分，也是寫作圖像修復論文重要的參考資料，然而作者自己查找文獻有相應的難度，為此學術顧問在這里推薦了幾篇圖像修復論文可參考文獻，作者可作為參考：

　　文獻一、基于相似圖像配準的圖像修復算法

　　摘要傳統(tǒng)基于紋理合成的圖像修復算法只能從破損圖像中提取有用信息,不能修復復雜結構;基于深度學習的修復算法訓練時間長,紋理合成效果不理想。為解決上述問題,該文提出了一種基于相似圖像配準的圖像修復算法。首先提出一種破損圖像的相似度計算方法,利用圖像的深度學習特征,在數(shù)據(jù)庫中尋找與之最為相近的圖像,為修復過程提供更多的有效信息;然后對破損圖像和相似圖像進行配準,利用單應性變換實現(xiàn)圖像空間位置的自動粗糾正;最后使用改進的最佳匹配塊搜索方法和匹配準則來改善紋理合成效果,實現(xiàn)圖像的最終修復。仿真實驗結果表明,該方法可以獲得較多的有用信息,產生良好的紋理合成效果,克服了傳統(tǒng)算法和深度學習方法的缺點,即使對于具有復雜紋理信息和結構的破損圖像,也能夠得到良好的修復效果。

　　關鍵詞深度學習 特征匹配 圖像修復 相似圖像 紋理合成

　　文獻二、融合邊緣檢測和自注意力的圖像修復方法

　　摘要針對修復后圖像邊界模糊、圖像紋理不清晰、視覺效果差的問題,提出了一種融合邊緣檢測和自注意力機制的生成式對抗修復模型.通過邊緣檢測可提取出圖像的輪廓信息,避免了修復后邊界模糊的問題;利用自注意力機制能夠捕獲圖像全局信息并生成圖像精確細節(jié)的能力,設計出融合自注意力機制的紋理修復網(wǎng)絡.該模型由邊緣補全網(wǎng)絡和紋理修復網(wǎng)絡組成,首先,設計的邊緣補全網(wǎng)絡對受損圖像的邊緣進行補全,得到邊緣補全圖像;其次,利用紋理修復網(wǎng)絡聯(lián)合補全的邊緣圖像對缺失區(qū)域的紋理進行精確修復.在CelebA和Place2兩個圖像數(shù)據(jù)集上對本文所建模型進行了訓練和測試.實驗結果表明:本文所建模型與現(xiàn)有圖像修復方法相比,大幅提高了圖像修復的精確度,且生成的圖像更加逼真.

　　關鍵詞圖像修復 生成對抗網(wǎng)絡 自注意力機制 邊緣檢測 紋理修復

　　文獻三、基于譜歸一化條件生成對抗網(wǎng)絡的圖像修復算法

　　摘要基于生成對抗網(wǎng)絡的圖像修復算法在修復大尺寸缺失圖像時,存在圖像失真較多與判別網(wǎng)絡性能不可控等問題,基于譜歸一化條件生成對抗網(wǎng)絡,提出一種新的圖像修復算法。引入譜歸一化來約束判別網(wǎng)絡的判別性能,間接提高修復網(wǎng)絡的修復能力,并根據(jù)控制判別網(wǎng)絡性能對譜歸一化進行理論分析。通過類別信息約束特征生成,保證修復圖像的內容不變性,引入擴展卷積算子對待修復圖像進行像素級操作,解決修復圖像缺乏局部一致性的問題。在此基礎上,運用PSNR、SSIM等圖像評價方法及分片Wasserstein距離、Inception分數(shù)、流形距離度量、GAN-train和GAN-test等流形結構相似度評價指標對修復圖像進行綜合評價。實驗結果表明,與CE、GL等算法相比,該算法獲得的修復圖像在主觀感受和客觀評價指標上均有明顯提高。

　　關鍵詞譜歸一化 條件生成對抗網(wǎng)絡 圖像修復 判別性能 圖像評價

　　以上都是圖像修復可參考的文獻，此外學術顧問推薦了一本圖像修復論文文獻投稿刊物：《山東科學》是山東省科學院主辦的自然科學綜合性學術期刊。面向高校、科研單位和各大企業(yè)的廣大科技工作者，力求及時報道國內外未曾公開發(fā)表的具有原創(chuàng)性的自然科學各個主要領域在基礎和應用研究方面的研究論文，前沿領域的綜述和研究快訊，以及有創(chuàng)新性高水平的、有重要意義的最新科研成果。

轉載請注明來自發(fā)表學術論文網(wǎng)：http:///lwbk/27891.html